Diversas empresas da área farmacológica e médica têm empregado inteligência artificial (IA) e aprendizado de máquina (ML, de machine learning, no original) em seus estudos, potencializando a capacidade de identificar doenças, os remédios que poderão tratá-las e até mesmo o melhor local de aplicação no corpo humano. Mesmo que ainda precisem de supervisão humana, esses métodos ajudam muito em casos envolvendo big data, por exemplo, porções muito grandes de dados difíceis de se tratar manualmente.
Embora o uso de tais tecnologias não seja exatamente uma novidade, a amplitude de seu uso e aplicação dos cuidados de saúde foi bastante expandida nos últimos anos, especialmente por conta da pandemia de covid-19, a exemplo da telemedicina. Empresas como a Pfizer investem bastante nesses avanços, sendo que a companhia dedica quase 30 pesquisadores apenas para a área de IA e ML e as inovações que trazem à saúde.
/i576179.jpeg)
Previsão molecular e os benefícios da IA
Um exemplo das aplicações possíveis está na previsão do funcionamento de doenças e remédios a nível molecular. Já que a IA consegue computar números muito grandes de moléculas em pouco tempo, ela pode prever com certa exatidão quais delas podem ser focadas pelos esforços dos químicos, sem a necessidade de sintetizar e testar cada molécula individualmente. Isso acelera — e muito — os estágios iniciais de pesquisa, acelerando e facilitando os processos.
Essa predição molecular também influencia nosso entendimento de como as moléculas irão reagir com o patógeno-alvo, sabendo a melhor região para aplicar o medicamento no corpo e tratar a doença em questão em um contexto mais geral. A capacidade de trabalhar com enormes quantidades de dados também indica que a IA e o ML poderão, ainda, nos ajudar a descobrir componentes da biologia que ainda nem conhecemos ou entendemos.
A equipe de biomedicina da Pfizer enfrentou um desafio na área recentemente, lidando com a escassez de dados na hora de gerar modelos preditivos para a viscosidade de anticorpos. Isso é de suma importância no desenvolvimento de tratamentos baseados em anticorpos monoclonais, uma área que tem avançado bastante na medicina. Os cientistas da empresa mostraram que modelos de aprendizado profundo conseguem generalizar com uma precisão bastante alta, mesmo sendo treinados com poucos dados.
/i662930.jpeg)
Vale lembrar que, por mais que tais avanços sejam importantes, eles não descartam o elemento humano. Ainda é necessária a interpretação e as ideias humanas para funcionarem, indispensáveis para um uso eficaz dos dados gerados. As ferramentas tecnológicas, no fim das contas, nada mais são do que catalisadores, garantindo resultados mais precisos a partir de bases crescentes de informação.
O que antes levava centenas de horas de trabalho agora leva abaixo de dezenas, nos dando margem para intervir rapidamente em momentos críticos do desenvolvimento de doenças, impactando diretamente na saúde humana, a exemplo do desenvolvimento das vacinas contra a covid-19. Com isso, empresas como a Pfizer criaram imunizantes tanto vacinais quanto tratamentos orais contra o coronavírus — apenas um exemplo de avanços cada vez mais interessantes que estão por vir com a ajuda da tecnologia.
Fonte: Nature Reviews, Primary Care, Pfizer via LiveScience
Por: Augusto Dala Costa
